簡而言之：圍繞「感覺程式設計」（在不懂程式設計的情況下建立軟體）的炒作已經遭遇現實檢驗。加州大學柏克萊分校的莎拉·查辛斯教授主張，在生成式人工智慧時代，手動程式設計技能的必要性是「更多」，而不是「更少」。為什麼？因為人工智慧在「舊的」方面表現優異，但在「新的」方面表現糟糕，並且在速度上具有危險的欺騙性。一項最近的研究顯示，大型語言模型實際上可能會讓你「慢20%」，即使你感覺「快20%」。我是詹姆斯，Mercury Technology Solutions的執行長。香港20% slower, even while you feel 20% faster.
James here, CEO of Mercury Technology Solutions. Hong Kong - 2026年2月1日
目前在科技界流傳著一個危險的敘述：_「我不需要學習Python；我只需要學習英文。人工智慧會處理剩下的。」_我們稱之為「氛圍編程。」
但加州大學柏克萊分校的計算機科學教授莎拉·查辛斯最近拋出了一個真相炸彈，每位渴望成為「無程式碼」創業者都需要聽到：「是的，你仍然需要能夠以『傳統』的方式寫程式，才能從這些生成式人工智慧工具中獲得程式。」
如果你認為可以跳過學習計算機科學基礎的艱苦工作，那你就是在為自己鋪設失敗的道路。以下是三個原因。
1. 分解能力不足
工程中最困難的部分不是語法（寫 if/else 語句）。而是分解能力。分解能力是指能夠看待一個龐大、模糊、不明確的商業問題，並將其拆解成數千個小的、可回答的邏輯閘。現實是：
- 人工智慧無法為你做到這一點。技能：
- The Skill:人工智慧是一個戰術執行者。它需要你成為戰略架構師。
如果你沒有訓練你的大腦去拆解問題（這是你通過手動編碼學會的），你甚至不知道該問什麼
你將給它模糊的提示，並得到模糊、破碎的垃圾作為回應。
2. "祈禱與部署"策略如果你看不懂程式碼，你怎麼知道人工智慧是正確的？你不知道。你只是在祈禱。
你依賴於"盲目的信仰部署。"
- 也許你有20個測試案例。
- 也許你有朋友幫你檢查。
- 但大多數情況下，你只是在猜測。
查辛斯教授指出，沒有手動編碼的素養，你將失去驗證的能力。在企業軟體中，部署未經驗證的程式碼是疏忽。你需要能夠閱讀矩陣，而不僅僅是看那位穿紅色裙子的女人。
3. 創新天花板（鏡子陷阱）
人工智慧是過去的鏡子。它是基於現有的 GitHub 儲存庫進行訓練的。
- 氛圍編碼有效如果你正在重建一個已經被建造過 1,000 次的東西（例如，待辦事項應用程式、一個基本的客戶關係管理系統）。
- 氛圍編碼失敗如果你正在建造一個真正新穎的東西。
如果你試圖創新——寫一個從未被寫過的程式——人工智慧將會產生幻覺，因為它沒有可依賴的訓練數據。在那一刻，你必須獨自面對。你必須回到基本原則，自己編寫邏輯。
4. "效率幻覺"
這是 Chasins 研究中最引人入勝（也是最可怕）的部分。我們經常談論人工智慧 "產生幻覺" 事實。但事實上，人工智慧使人類產生效率的幻覺。
Chasins 引用的一項研究揭示了一個悖論：
- 感知：使用大型語言模型的用戶感覺他們的工作速度快了20%。事實是：
- 那些使用者實際上比手動控制組慢了20%。人工智慧給你一種「進展」的多巴胺快感（看看這些生成的文字！），掩蓋了你花更多時間在除錯和修正它的混亂上，而不是自己寫的事實。結論：不要做乘客
人工智慧是一個強大的引擎。但沒有駕駛者的引擎只是一台噪音機器。要在2026年生存，你不能只是「Viber」。你必須成為一位
工程師。
你不需要寫每一行，但你必須理解每一行。目標不是逃避程式碼；而是掌握它，以便能有效地指揮機器。Mercury Technology Solutions：加速數位化。.
You don't need to write every line, but you must understand every line. The goal isn't to escape the code; it's to master it so you can command the machine effectively.
Mercury Technology Solutions: Accelerate Digitality.
